HISTOGRAMA

 Universidad Nacional Autónoma de México Facultad de Estudios Superiores Cuautitlán HISTOGRAMA
¿Qué es?
Es una gráfica de la distribución de un
conjunto de datos. Es un tipo especial de
gráfica de barras, en la cual una barra va
pegada a la otra, es decir no hay espacio
entre las barras. Cada barra representa un
subconjunto de los datos.
¿Qué muestra el histograma?
Un histograma muestra la acumulación ó
tendencia, la variabilidad o dispersión y la
forma de la distribución.
¿Para qué tipo de variable se usa?
Un histograma es una gráfica adecuada para representar variables continuas,
aunque también se puede usar para variables discretas. Es decir, mediante un
histograma se puede mostrar gráficamente la distribución de una variable
cuantitativa o numérica.
Los datos se deben agrupar en intervalos de igual tamaño, llamados clases.
Histograma http://www.cuautitlan.unam.mx
Universidad Nacional Autónoma de México Facultad de Estudios Superiores Cuautitlán ¿Se puede construir con los siguientes datos un histograma?
Los datos se refieren al
tiempo en segundos de
atención al cliente, son
cuantitativos
continuos,
luego el histograma es
una buena decisión de
representación gráfica de
estos datos.
¿Cómo se construye el histograma?
Utilizando software de aplicación estadística se
puede obtener fácilmente el histograma de los
datos, por lo que hoy en día nos debemos
centrar
más
en
su
interpretación.
Sin
embargo, no está por demás hacer en forma
manual el histograma de los datos.
Histograma http://www.cuautitlan.unam.mx
Universidad Nacional Autónoma de México Facultad de Estudios Superiores Cuautitlán Lo primero que se tiene que tener en cuenta es que los datos se deben agrupar
en clases de igual tamaño. Teniendo en cuenta lo anterior, desarrollemos las
ideas básicas de la agrupación de los datos.
¿Cuántas clases? Para los datos que se refieren a los tiempos de
Sugerencia 1: atención al cliente estos varían de 141 a 233
segundos. Si esto lo representaremos con una
N Número de datos Menos de 50 50 – 100 100 – 200 Más de 250 K Número de Clientes 5 – 7 6 – 12 7 – 12 10 ‐ 20 recta, la longitud sería de 92. A este valor de
92 se le conoce como rango y cómo puedes
ver es igual a la diferencia
entre el valor
mayor y el valor menor. Lo podemos expresar
de la siguiente manera:
R = ymax − ymin Supongamos que deseamos clasificar los datos en 2 clases, lo que equivaldría
a dividir la recta en 2 partes iguales; es decir, dividir 92/2 = 46. A este valor
46, se le conoce como amplitud o intervalo de clase. Entonces la primera clase
comprendería los tiempos entre 141 y 187 y la segunda los tiempos entre 187
y 233, como se ve en la siguiente figura.
Histograma http://www.cuautitlan.unam.mx
Universidad Nacional Autónoma de México Facultad de E studios Superiores Cuautitlán Ahora se nos ocurre clasificar los datos en cuatro
clases, es decir, tenemos que dividir el rango entre
4;
92/4
=
23.
Entonces
la
primera
clase
comprendería los tiempos entre 141 y 164,
la
segunda los tiempos entre 164 y 187, la tercera
entre 187 y 210 y la cuarta entre 210 y 233.
¿Cuántas clases? Sugerencia 2: K = N Sugerencia 3: Regla de Sturges: K=1+3.322log(N) Recuerda que solo son sugerencias para realizar tu resumen. El mejor resumen es el que funcione. Como puedes observar la amplitud de clase se obtiene dividiendo el rango
entre el número de clases deseadas, entonces tenemos que:
.
¿Cuántas clases se deben utilizar?
Esta interrogante que es muy frecuente y que preocupa mucho al estudiante,
se puede resolver fácilmente si se recuerda que el histograma es un resumen
gráfico de los datos y como todo resumen no es único sino que depende de
quién lo realice. Lo importante de un resumen es que resalte o ponga énfasis
en lo más importante de la información.
Histograma http://www.cuautitlan.unam.mx
Universidad Nacional Autónoma de México Facultad de Estudios Superiores Cuautitlán En nuestro caso un buen resumen, es decir un
buen histograma, debe de proporcionar una
buena idea de la acumulación, dispersión y forma
de la distribución de los datos. Por esta razón a
veces es necesario hacer varios histogramas con
diferente número de clases hasta obtener el que
muestre eficientemente las características antes
mencionadas. La sugerencia principal es que de
ser posible, el número de clases se encuentre
entre 5 y 20, tendiendo a un número mayor de
clases según aumente el número de datos.
Atendiendo a la sugerencia anterior agrupemos ahora los datos en 6 clases,
por lo tanto:
amplitud de clase =
92
=15.33 6
Redondeando al entero mayor, tenemos que:
Amplitud de clase = 16
¿Por qué no utilizar la amplitud de clase de 15.333 que se obtuvo? La idea es resumir la información de tal manera que podamos como se ha mencionado determinar tendencia, variabilidad y forma de la distribución de los datos. El resumen debe ser fácil de obtener y no representar un problema adicional en el análisis de los datos. Esta es la razón fundamental por la que se redondea, para realizarlo fácilmente. Histograma http://www.cuautitlan.unam.mx
Universidad Nacional Autónoma de México Facultad de Estudios Superiores Cuautitlán Ahora vamos a escribir las clases en una columna.
¿Por qué se redondea al valor mayor? Clases 141 ‐ 157 157 – 173 173 – 189 189 – 205 205 – 221 221 ‐ 237 A
continuación
contemos
el
número
de
observaciones que pertenecen a cada clase. Antes
de proceder al conteo el valor 189 ¿dónde se
considera, en la tercera o cuarta clase?
¿En qué clase se consideran los datos
que coinciden con los límites de clase?
Diferentes autores dan ideas diferentes de cómo
solucionar
esta
cuestión,
alguna de estas dos:
aquí
recomendamos
Por ninguna razón en especial. Mantenga en la mente que la amplitud de clase obtenida permitirá obtener el histograma y que una vez realizado este si muestra las características de la distribución será un buen instrumento; en caso contrario hay que modificar el número de clases y con esto la amplitud y volver a construir el histograma. 1. Considerar a los límites superiores en la clase siguiente. Es decir, contar
el 189 en la cuarta clase. Esto equivale a
leer la tercera clase, como el intervalo
que incluye a los valores desde 173 a
menos de 189. Entonces en la tabla se
debe de indicar que el símbolo “-“, se
debe leer como “a menos de “, con lo
que se resuelve el problema de datos
coincidentes con los límites.
Histograma http://www.cuautitlan.unam.mx
Universidad Nacional Autónoma de México Facultad de Estudios Superiores Cuautitlán Si aparece un dato con
valor de 189 como se
menciona en el ejemplo,
alguien propone lanzar
una moneda. Sí cae
águila lo cuentas en la
tercera clase, sí cae sol lo
cuentas en la cuarta
clase. ¿Qué te parece
esta sugerencia?
Clases 141 ‐ 157 157 – 173 173 – 189 189 – 205 205 – 221 221 ‐ 237 “ – “ Indica menos de: 2. Se especifica un rango un poco más
amplio que el rango de los datos y se introduce
un decimal extra en los límites de las clases.
Para nuestro ejemplo el rango se incrementa de
92 a 93, es decir se incrementó en 1. Este
aumento se reparte de forma igual entre la
primera y la última clase. Es decir ½ = 0.5,
entonces la primera clase iniciará en 141 - 0.5
= 140.5 y la última terminará en 237 + 0.5 =
237.5. Por lo
Seguramente no te gusta,
pero por supuesto, que se
puede utilizar ya que
debes recordar que estás
haciendo un resumen y
que un dato pertenezca a
una u otra clase no
afecta mientras puedas
mediante el resumen
obtener ideas claras
acerca de la distribución
de los datos.
tanto, las
clases serían las
siguientes:
Clases 140.5 – 157.5 157.5 – 173.5 173.5 – 189.5 189.5 – 205.5 205.5 – 221.5 221.5 – 237.5 Como
se
puede
observar
ya
ningún
dato
coincide con los límites de clase.
Histograma http://www.cuautitlan.unam.mx
Universidad Nacional Autónoma de México Facultad de Estudios Superiores Cuautitlán 17
16
15
13
14
13
3
2
3
157
173
189
205
221
Tiem po invertido en atender al cliente
Resultado: “sol”, 189 se cuenta en la cuarta clase 157
173
189
205
221
T iem po invertido en atend er al cliente
Resultado: “águila”, 189 se cuenta en la tercer clase No hay un cambio importante de la distribución Agrupemos ahora los datos en 6 clases siguiendo la primera recomendación.
Entonces, tenemos:
Clases 141 ‐ 157 157 – 173 173 – 189 189 – 205 205 – 221 221 ‐ 237 “ – “ Indica menos de: Ahora si podemos contar el número de observaciones
que le corresponde a cada clase. A este número de
observaciones se le
conoce
como frecuencia
o
frecuencia absoluta (fi).
A la tabla de dos columnas,
en que una de ellas indica las clases y la otra las
frecuencias se le conoce como tabla de distribución
de frecuencias, debido a que muestra con qué
frecuencia se distribuyen los datos alrededor del
Clases Frecuencia
141 ‐ 157 2 157 – 173 13 173 – 189 17 189 – 205 14 205 – 221 3 221 ‐ 237 1 “ – “ Indica menos de: valor de la variable.
Histograma http://www.cuautitlan.unam.mx
Universidad Nacional Autónoma de México Facultad de Estudios Superiores Cuautitlán Utilizar los nombres genéricos de clases y frecuencias
no le indican al lector nada acerca de los datos
representados en la Tabla. Por lo que en lugar de
clases se debe escribir el nombre de los datos
estudiados y en lugar de frecuencias el elemento
donde se observaron o midieron éstos. En nuestro
caso la variable es el tiempo invertido en la atención
al cliente medido en segundos y las frecuencias son
el número de clientes.
Tiempo invertido en No. De atender al cliente clientes 141 ‐ 157 2 157 – 173 13 173 – 189 17 189 – 205 14 205 – 221 3 221 ‐ 237 1 “ – “ Indica menos de: 18
Demasiado resumen:
pocas clases
17
16
Resumen Adecuado
14
14
Número de clientes
Poco resumen: muchas
clases
13
12
10
8
Sí graficamos en el eje de las X
6
4
2
2
0
1
141
157
173
189
205
221
Tiempo invertido en atender al cliente
a las
clases y en eje de las Y a las frecuencias
3
237
obtenemos el histograma de nuestros
datos, que es la representación visual de
la distribución de frecuencias.
Histograma http://www.cuautitlan.unam.mx
Universidad Nacional Autónoma de México Facultad de Estudios Superiores Cuautitlán ¿Puede proporcionar
mayor información?
¿Qué se puede hacer, si resultan espacios vacíos entre las barras? la
Tabla
Se puede obtener mayor información a
partir de los datos si se elaboran unas
columnas
adicionales
en
la
Tabla
de
Distribución de Frecuencias. Si dividimos
las frecuencias de cada clase entre el total
de
observaciones
obtenemos
la
frecuencia relativa (fri), es decir la
proporción de observaciones del total que pertenecen a cada clase.
Tiempo invertido No. De Proporción de en atender al clientes clientes (fri) cliente 141 ‐ 157 2 2/50 = 0.04 157 – 173 13 13/50 = 0.26 173 – 189 17 17/50 = 0.34 189 – 205 14 14/50 = 0.28 205 – 221 3 3/50 = 0.06 221 ‐ 237 1 1/50 = 0.02 “ – “ Indica menos de: Entonces la primera clase indica que hay 2 clientes que tardaron de 141 a
menos de 157 segundos en ser atendidos en la caja; 4% de los clientes
observados tardaron de 141 a menos de 157 segundos en la caja.
Para cada clase es conveniente calcular un valor que la represente. Este valor
se conoce como Marca de Clase (Xi) y es el punto medio de cada clase. Se
obtiene de la siguiente manera:
.
.
2
.
.
Histograma http://www.cuautitlan.unam.mx
Universidad Nacional Autónoma de México Facultad de Estudios Superiores Cuautitlán Tiempo invertido en No. De atender al clientes cliente 141 ‐ 157 2 157 – 173 13 173 – 189 17 189 – 205 14 205 – 221 3 221 ‐ 237 1 “ – “ Indica menos de: Proporción de clientes (fri) Marca de Clase (Xi) 2/50 = 0.04 13/50 = 0.26 17/50 = 0.34 14/50 = 0.28 3/50 = 0.06 1/50 = 0.02 149 165 181 197 213 229 Si en el histograma colocamos las marcas de
clase, estas serán el punto medio de cada
barra y si unimos los puntos medios de la
parte superior de cada barra obtenemos otra
Como un primer intento se debe de
reducir el número de clases, con lo
que se hacen más anchas las barras y
se eliminan los espacios vacíos.
representación gráfica conocida como polígono
de frecuencias.
Histograma http://www.cuautitlan.unam.mx
Universidad Nacional Autónoma de México Facultad de Estudios Superiores Cuautitlán Observa
que
terminación
del
el
inicio
polígono
y
de
frecuencias son la marca de clase
de una clase anterior a la primera
y
la
marca
posterior
de
a
clase
la
de
una
última,
respectivamente. Es decir, el inicio
es 133 y la terminación es 245
segundos.
Ahora que se ha construido el histograma y el polígono de frecuencias
absolutas y relativas, procedamos a interpretarlos:
¿Y si el problema no se corrige? 9
La mayor acumulación o tendencia
la encontramos en la tercera clase; 17
Intenta aumentar el número de clases. Sí el problema no se corrige, es posible que se puedan observar dos distribuciones traslapadas o separadas clientes, es decir el 34% de los clientes
observados, tardaron entre 173 y casi 189
segundos
en
la
caja.
Es
decir,
el
histograma muestra que la acumulación o
tendencia del tiempo en que tardan los
clientes en caja se encuentra entre 173 y
189 segundos.
9
Sólo 2 clientes, es decir únicamente
el 4% de los clientes observados fueron
atendidos en caja en un tiempo menor a
.
El polígono de frecuencia nos muestra de otra manera la forma de la distribución, que para nuestro ejemplo es aproximadamente simétrica. los 157 segundos.
9
4 clientes o sea el 8% de las
personas tardaron 205 segundos o más en
la caja.
Histograma http://www.cuautitlan.unam.mx
Universidad Nacional Autónoma de México Facultad de Estudios Superiores Cuautitlán 9 44 de los 50 clientes observados, es decir
el 86% de los clientes estudiados tardaron
entre 157 y 205 segundos. El histograma
muestra que el rango o variabilidad total va
Una distribución simétrica con forma de campana se conoce en estadística como distribución normal de 141 a 237 segundos, y que el 88% de
los clientes tardaron entre
segundos.
Se
puede
157 y 205
decir,
en
otras
palabras que el tiempo que tardaron el
88% de las personas varío entre 157 y 205
segundos
9 La forma de la distribución es aproximadamente simétrica con respecto a la
tercera clase y la curva suavizada nos muestra una distribución en forma
aproximada a una campana que en estadística se conoce como distribución
normal.
Como se puede observar el histograma nos
La distribución de nuestros datos es aproximadamente normal. muestra
una
fotografía
nuestros
datos,
que
reveladora
muy
de
difícilmente
podríamos apreciar a partir de ellos, si se
encuentran sin agrupar.
21
Al observar el histograma al gerente del
18
Frecuencia
15
banco le gustaría en lugar de reducir el
12
tiempo en caja, disminuir la variabilidad.
9
6
Esto
3
0
140
156
172
188
204
220
236
lo
puede
conseguir
controlando
variables que afectan al proceso, tal como
tipo
de
operación
realizada,
número
de
operaciones aceptadas, hora del día en que
se hizo la observación, etc. y el histograma obtenido reflejará la mejoría del
proceso. Es en resumen esta gráfica sencilla un instrumento valioso para tener
una buena idea acerca del comportamiento de nuestros datos.
Histograma http://www.cuautitlan.unam.mx
Universidad Nacional Autónoma de México Facultad de Estudios Superiores Cuautitlán Ojivas o Polígonos de Frecuencia Acumulada
En la tabla también se pueden adicionar columnas que indiquen el número de
observaciones cuyo valor sea menor o igual que el límite superior de cada
clase, lo que se conoce como frecuencia acumulada.
Así por ejemplo, para la tercera clase, el número de observaciones menores a
189 son 17 + 13 +2 = 32, que son las frecuencias de la tercera, segunda y
primera clase respectivamente. Este valor es la frecuencia acumulada hasta la
tercera clase.
Tiempo invertido No. De en atender clientes al cliente 141 ‐ 157 2 157 – 173 13 173 – 189 17 189 – 205 14 205 – 221 3 221 ‐ 237 1 “ – “ Indica menos de: Proporción de clientes (fri) 2/50 = 0.04 13/50 = 0.26 17/50 = 0.34 14/50 = 0.28 3/50 = 0.06 1/50 = 0.02 Marca de Clase (Xi) 149 165 181 197 213 229 Frecuencia Frecuencia Acumulada Acumulada Relativa (Fi) (Fri) 2 0.04 15 0.30 32 0.64 46 0.92 49 0.98 50 1.00 La frecuencia
acumulada
puede ser
absoluta (Fi) o
relativa (Fri),
según se utilice
la frecuencia
absoluta o
relativa para
obtenerla.
Si se grafican ahora sobre el eje de las
X los límites superiores de clase y
sobre el eje de las Y las frecuencias
acumuladas
absolutas
o
relativas
obtenemos la gráfica conocida como
Ojiva
o
Polígonos
de
frecuencia
acumulada.
Histograma http://www.cuautitlan.unam.mx
Universidad Nacional Autónoma de México Facultad de Estudios Superiores Cuautitlán Algunas de las afirmaciones que podemos
hacer
al
observar
la
gráfica,
son
las
siguientes:
Descripción sugerida: 9 46 clientes tardaron menos de 205
segundos; es decir el 92% de los
clientes tardaron menos de 205
•Indicar los valores alrededor de los cuales los datos se acumulan. segundos.
•Indicar los valores extremos. 9 El proceso es muy tardado sólo en
el 2% de los casos;
tardaron más
de 221 segundos.
•Indicar la variabilidad de los datos, (sin tomar en cuenta los valores extremos) •Indicar la forma de la distribución 9 El proceso es muy rápido sólo en el
4% de los casos; tardaron menos
de 157 segundos
9 El 64% de los clientes tardaron menos de 189 segundos.
Interpretando unos histogramas
Hemos
mencionado
que
hoy
en
día
nos
debemos centrar más en la interpretación de los
histogramas que en su elaboración, ya que se
cuenta
con
tecnología
para
elaborarlos.
A
continuación se presentan cuatro histogramas
correspondientes a las calificaciones obtenidas
en la asignatura de estadística en cuatro grupos
diferentes. ¿Qué nos puede decir la forma de
estos histogramas?
Histograma http://www.cuautitlan.unam.mx
Universidad Nacional Autónoma de México Facultad de Estudios Superiores Cuautitlán La sección A muestra que las
calificaciones
se
distribuyen
en
forma aproximadamente simétrica,
con respecto a la clase de mayor
frecuencia, que comprenden las
calificaciones de 7.8 a 8.2.; la
mayoría
de
los
estudiantes
obtienen calificaciones entre 7.4 y
8.6, (acumulación o tendencia). A
esta forma de la distribución se le
conoce como normal.
La sección B muestra una distribución con una cola larga a la derecha, es decir,
muestra un sesgo positivo. La mayoría de los estudiantes obtuvieron
calificaciones muy bajas, como lo muestra la acumulación de las calificaciones
en la parte izquierda de la gráfica y muy baja densidad en la parte derecha.
Esto se puede deber a varias razones, como por ejemplo, que el grupo este
formado por muy malos estudiantes ó
el profesor sea muy exigente ó el
examen como instrumento de evaluación sea inadecuado, etc.
La distribución de las calificaciones del grupo A es normal. La distribución de las calificaciones del grupo B esta sesgada a la derecha. La distribución de las calificaciones del grupo C esta sesgada a la izquierda. La sección C muestra una distribución con una cola larga a la izquierda, es
decir, muestra un sesgo negativo.
Histograma http://www.cuautitlan.unam.mx
Universidad Nacional Autónoma de México Facultad de Estudios Superiores Cuautitlán La mayoría de los estudiantes
obtuvieron
altas,
calificaciones
como
lo
muy
muestra
la
acumulación de las calificaciones
en la parte derecha de la gráfica
y muy baja densidad en la parte
izquierda. Esto se puede deber a
varias
razones,
ejemplo,
que
formado
por
el
como
por
grupo
este
muy
buenos
estudiantes ó el profesor sea muy relajado ó el examen fue muy fácil, etc.
La
sección
D
muestra
dos
distribuciones normales traslapadas,
Para el grupo D se observan dos poblaciones translapadas. una con acumulación entre 5.6 y 6.4 y
la otra entre 7.2 y 8.0. Este se puede
deber a que el grupo este conformado
por
estudiantes
antecedentes
(repetidores
con
en
y
la
distintos
asignatura
regulares),
con
distintos hábitos de estudio, etc.
Examinemos ahora los histogramas
que se muestran enseguida y que se
refieren al peso en kilogramos de los
estudiantes de un grupo de estadística. La gráfica con nombre total, muestra la
distribución del peso de todos los estudiantes, mientras que las otras dos
gráficas separan el peso de los hombres y de las mujeres,
¿Qué podemos
apreciar en estas gráficas?
Un aspecto relevante que revelan estas gráficas es la acumulación o tendencia
y la variabilidad.
Histograma http://www.cuautitlan.unam.mx
Universidad Nacional Autónoma de México Facultad de Estudios Superiores Cuautitlán La variabilidad total del peso se encuentra
entre 35 y 105. La variabilidad para los
hombres disminuye y se encuentra entre 55 y
105 y para las mujeres aun es menor y se
encuentra entre 35 y 75 kilos. La variabilidad
al formar grupos por el género disminuye,
debido a que son grupos más homogéneos.
Para los hombres la tendencia se muestra
entre 55 y 85 kilos, mientras que para las
mujeres se encuentra entre 45 y 65.
En
resumen
sencilla,
como
histograma,
instrumento
obtener
una
lo
es
gráfica
es
el
un
poderoso
para
información
del
comportamiento de los datos
y describir adecuadamente su
distribución.
Histograma http://www.cuautitlan.unam.mx